Khai phá dữ liệu hồ sơ bệnh nhân ứng dụng hỗ trợ chẩn đoán bệnh tại bệnh viện Đa khoa Y học cổ truyền Tuệ Tĩnh (LV thạc sĩ)

Khai phá dữ liệu hồ sơ bệnh nhân ứng dụng hỗ trợ chẩn đoán bệnh tại bệnh viện Đa khoa Y học cổ truyền Tuệ Tĩnh (LV thạc sĩ)Khai phá dữ liệu hồ sơ bệnh nhân ứng dụng hỗ trợ chẩn đoán bệnh tại bệnh viện Đa khoa Y học cổ truyền Tuệ Tĩnh (LV thạc sĩ)Khai phá dữ liệu hồ sơ bệnh nhân ứng dụng hỗ trợ chẩn đoán bệnh tại bệnh viện Đa khoa Y học cổ truyền Tuệ Tĩnh (LV thạc sĩ)Khai phá dữ liệu hồ sơ bệnh nhân ứng dụng hỗ trợ chẩn đoán bệnh tại bệnh viện Đa khoa Y học cổ truyền Tuệ Tĩnh (LV thạc sĩ)Khai phá dữ liệu hồ sơ bệnh nhân ứng dụng hỗ trợ chẩn đoán bệnh tại bệnh viện Đa khoa Y học cổ truyền Tuệ Tĩnh (LV thạc sĩ)Khai phá dữ liệu hồ sơ bệnh nhân ứng dụng hỗ trợ chẩn đoán bệnh tại bệnh viện Đa khoa Y học cổ truyền Tuệ Tĩnh (LV thạc sĩ)Khai phá dữ liệu hồ sơ bệnh nhân ứng dụng hỗ trợ chẩn đoán bệnh tại bệnh viện Đa khoa Y học cổ truyền Tuệ Tĩnh (LV thạc sĩ)Khai phá dữ liệu hồ sơ bệnh nhân ứng dụng hỗ trợ chẩn đoán bệnh tại bệnh viện Đa khoa Y học cổ truyền Tuệ Tĩnh (LV thạc sĩ)Khai phá dữ liệu hồ sơ bệnh nhân ứng dụng hỗ trợ chẩn đoán bệnh tại bệnh viện Đa khoa Y học cổ truyền Tuệ Tĩnh (LV thạc sĩ)Khai phá dữ liệu hồ sơ bệnh nhân ứng dụng hỗ trợ chẩn đoán bệnh tại bệnh viện Đa khoa Y học cổ truyền Tuệ Tĩnh (LV thạc sĩ)Khai phá dữ liệu hồ sơ bệnh nhân ứng dụng hỗ trợ chẩn đoán bệnh tại bệnh viện Đa khoa Y học cổ truyền Tuệ Tĩnh (LV thạc sĩ)Khai phá dữ liệu hồ sơ bệnh nhân ứng dụng hỗ trợ chẩn đoán bệnh tại bệnh viện Đa khoa Y học cổ truyền Tuệ Tĩnh (LV thạc sĩ)Khai phá dữ liệu hồ sơ bệnh nhân ứng dụng hỗ trợ chẩn đoán bệnh tại bệnh viện Đa khoa Y học cổ truyền Tuệ Tĩnh (LV thạc sĩ)

i MỤC LỤC MỤC LỤC i DANH MỤC CÁC TỪ VIẾT TẮT iii DANH MỤC HÌNH VẼ iiv DANH MỤC BẢNG BIỂU .v Sự cần thiết đề tài Tính thực tiễn đề tài .2 Mục đích nghiên cứu .3 Đối tượng phạm vi nghiên cứu Phương pháp nghiên cứu Kết cấu luận văn CHƯƠNG I: TỔNG QUAN VỀ KHAI PHÁ DỮ LIỆU TRONG Y KHOA .5 1.1 Giới thiệu khai phá liệu 1.1.1 Sự cần thiết phải khai phá liệu (datamining) 1.1.2 Khai phá liệu 1.1.3 Các toán khai phá liệu .7 1.1.4 Ứng dụng khai phá liệu 1.2 Các nghiên cứu liên quan 1.2.1 Các dạng liệu khai phá 1.2.2 Các phương pháp khai phá liệu y học trước 10 1.2.3 Khai phá liệu y học Việt Nam 11 CHƯƠNG II: KHAI PHÁ DỮ LIỆU BỆNH ÁN 13 2.1 Khai phá liệu y khoa 13 2.1.1 Giới thiệu khai phá liệu y khoa: 13 2.1.2 Dữ liệu y khoa bệnh viện YHCT Tuệ Tĩnh 16 2.2.Khai phá liệu định 19 2.2.1.Cây định 19 ii 2.2.2.Khai phá liệu định 24 2.3 Khai phá liệu y học thuật toán đinh C4.5 34 CHƯƠNG III: THỬ NGHIỆM VÀ ĐÁNH GIÁ 36 3.1 Quy trình xây dựng hệ thống 36 3.1.1 Tìm hiểu nghiệp vụ toán .36 3.1.2 Tập liệu .36 3.1.3 Xây dựng hệ thống 39 3.1.4 Kết đánh giá 41 3.2 Kết luận .45 KẾT LUẬN 47 TÀI LIỆU THAM KHẢO 49 iii DANH MỤC CÁC TỪ VIẾT TẮT CLS Cận lâm sàng CSDL Cơ sở liệu DL Dữ liệu DM Data Mining HSBA Hồ sơ bệnh án ICD10 Danh mục bệnh quốc tế KDD Knowledge Discovery in Databaes KPDL Khai phá liệu LS Lâm sàng WHO Tổ chức Y tế giới YHCT Y học cổ truyền CTDL Canh tác liệu iv DANH MỤC HÌNH VẼ Hình 1.1: Các bước Data Mining & KĐ [3] Hình 2.1: Biểu diễn định .40 Hình 3.1: Giao diện hệ thống chương trình 40 Hình 3.2: Lấy liệu xử lý 40 Hình 3.3: Hiển thị liệu chạy chương trình 41 Hình 3.4: Kết thử nghiệm với bệnh án huyết áp cao 45 v DANH MỤC BẢNG BIỂU Bảng 1: Phân độ THA theo Hội THA Việt Nam (2008) [8] 16 Bảng 2: Phân tầng nguy tăng huyết áp 34 Bảng 3: Tệp liệu đầu vào .39 Bảng 4: Kết chẩn đoán huyết áp cao 44 LỜI MỞ ĐẦU Sự cần thiết đề tài Tăng huyết áp ngày vấn đề thời gia tăng nhanh chóng cộng đồng Tỷ lệ tăng huyết áp khác Ở nghiên cứu bệnh nhân cao tuổi tỷ lề tăng huyết áp cao nhiều so với nhóm khác Theo ước tính nhà khoa học Mỹ tỷ lệ tăng huyết áp giới năm 2000 26,4% (tương đương 972 triệu người, riêng nước phát triển chiếm 639 triệu) tăng lên 29,2% vào năm 2025 với tổng số người mắc bệnh tăng huyết áp toàn giới khoảng 1,56 tỷ người mà 3/4 số người thuộc nước phát triển [10] Các số liệu điều tra thống kê tăng huyết áp Việt Nam cho thấy tỷ lệ tăng huyết áp năm 1960 chiếm 1,6% dân số, 1982 1,9%, năm 1992 tăng lên 11,79% dân số, 2002 Miền Bắc 16,3%, riêng thành phố Hà Nội có tỷ lệ 23,2%, năm 2004 Thành phố Hồ Chí Minh 20,5% [1] năm 2007 Thừa thiên -Huế 22,77% [2] Tăng huyết áp yếu tố nguy (nhất yếu tố lối sống, vốn thay đổi được) trở thành vấn đề cần giải thuốc điều trị kiểm soát huyết áp mà cần hàng loạt biện pháp giáo dục truyền thông sức khỏe nhằm vào yếu tố nguy lối sống có khả thay đổi theo chiều hướng tích cực có lợi cho bệnh nhân tăng huyết áp Tăng huyết áp tình trạng phổ biến, áp lực máu thành động mạch chủ cao, cuối gây vấn đề sức khỏe, chằng hạn bệnh tim Huyết áp xác định số lượng máu tim bơm số lượng đề kháng lực với dòng chảy máu động mạch Tim bơm nhiều máu động mạch hẹp, huyết áp cao Có thể bị tăng huyết áp nhiều năm mà triệu chứng Không kiểm soát huyết áp cao tăng nguy vấn đề sức khỏe nghiêm trọng, bao gồm đau tim đột quỵ Tăng huyết áp thường phát triển nhiều năm, cuối ảnh hưởng đến gần tất quan Công việc chẩn đoán bệnh tăng huyết áp tương đối dễ dàng dựa vào trị số đo sau đo huyết áp quy trình Ngưỡng chẩn đoán tăng huyết áp thay đổi tùy theo cách đo huyết áp phác đồ điều trị bệnh tăng huyết áp Bộ Y tế Việt Nam để dự đoán bệnh nhân tăng huyết áp nhiều khó khăn thực tế lâm sàng Do bệnh nhân tử vong cao, chi phí điều trị cao cho bệnh nhân vào sốc, toán nan giải cho Y tế cộng đồng nói chung bệnh viện Tuệ Tĩnh nói riêng Tính thực tiễn đề tài Y học lĩnh vực khoa học ứng dụng liên quan đến nghệ thuật chữa bệnh, bao gồm nhiều phương pháp chăm sóc sức khỏe nhằm trì, hồi phục thể từ việc phòng ngừa chữa bệnh Y học đại ứng dụng kiến thức khoa học sức khỏe, nghiên cứu y sinh học công nghệ y học để chẩn đoán chữa trị bệnh tật thông qua thuốc men, phẫu thuật nhiều phương pháp trị liệu phong phú khác Là môn khoa học không ngừng phát triển, nhằm tiếp cận cập nhật hóa thông tin y học chứng cớ y học thực chứng từ sở liệu, để nâng cao chất lượng chăm sóc sức khỏe cho nhân dân điều điều thiếu thực hành lâm sàng Ngày nay, với phát triển vượt bậc công nghệ thông tin, ứng dụng công nghệ thông tin góp phần thay đổi sống người, hỗ trợ tất lĩnh vực: kinh tế, xã hội, giáo dục, y tế, khoa học, … trở thành phần thiếu sống hàng ngày người Tuy nhiên, song hành phát triển gai tăng bùng nổ liệu Khai phá liệu lĩnh vực phát triển nhanh chóng ứng dụng nhiều lĩnh vực khác Những lĩnh vực ứng dụng tiêu biểu khai phá liệu kinh doanh thương mại, khoa học kĩ thuật Trong lĩnh vực ứng dụng đó, y học lĩnh vực mà khai phá liệu có đóng góp đáng kể trở thành giải pháp cho nhiều vấn đề y học Nhiều hệ thống phát tri thức y học phát triển thu nhiều lợi ích Khai phá liệu giúp tìm manh mối liên hệ triệu chứng lâm sàng, chẩn đoán bệnh Tuy nhiên khai phá liệu lĩnh vực y khoa nước ta ít, gặp nhiều khó khăn, nhiều bệnh viện nước chưa có bệnh án điện tử Việc khai phá lĩnh vực thực mang lại nhiều ý nghĩa cho y học chứng cớ y học thực chứng để hỗ trợ cho bác sĩ, chẩn đoán bệnh sớm điều trị bệnh có hiệu quả, giảm bớt tử vong chi phí điều trị, nhu cầu thiết thực bệnh viện Từ lý xu hướng tất yếu luận văn chọn đề tài “Khai phá liệu hồ sơ bệnh nhân ứng dụng bệnh viện YHCT Tuệ Tĩnh” để nghiên cứu cho luận văn thạc sĩ Mục đích nghiên cứu - Tìm quy luật từ liệu thực tế nhằm chẩn đoán số bệnh thường gặp bệnh viện YHCT Tuệ Tĩnh (Tăng huyết áp, Rối loạn chức tiền đình) - Xây dựng thuật toán hỗ trợ chẩn đoán số bệnh thường gặp Bệnh viện YHCT Tuệ Tĩnh - Ứng dụng thuật toán vào công việc chẩn đoán bệnh bệnh viện YHCT Tuệ Tĩnh Đối tượng phạm vi nghiên cứu Các hồ sơ bệnh nhân: Tăng huyết áp, rối loạn chức tiền đình bệnh viện YHCT Tuệ Tĩnh Phân cụm đối tượng nghiên cứu dựa theo giai đoạn bệnh nhân Chia nhóm bệnh nhân thành nhóm dựa theo giai đoạn phát triển bệnh: bệnh nhân đủ tiêu chuẩn chẩn đoán xác định, bệnh nhân hướng tới chẩn đoán xác định Phương pháp nghiên cứu - Tìm hiểu nghiệp vụ y tế liên quan đến số bệnh cụ thể phân chia theo độ tuổi, giới tính, … - Thu thập tiền xử lý liệu bệnh viện YHCT Tuệ Tĩnh - Tìm hiểu toán phân lớp khai phá liệu, lựa chọn thuật toán phù hợp (cây định thuật toán C4.5) - Phân tích đánh giá Kết cấu luận văn Luận văn gồm chương: phần mở đầu, tham khảo, phụ lục - Chương I: Tổng quan khai phá liệu y khoa - Chương II: Khai phá liệu bệnh án - Chương III: Thử nghiệm đánh giá CHƯƠNG I: TỔNG QUAN VỀ KHAI PHÁ DỮ LIỆU TRONG Y KHOA 1.1 Giới thiệu khai phá liệu 1.1.1 Sự cần thiết phải khai phá liệu (datamining) Khoảng thập kỷ trở lại đây, lượng thông tin lưu trữ thiết bị điện tử (đĩa cứng, CD-ROM, băng từ, v.v.) không ngừng tăng lên Sự tích lũy liệu xảy với tốc độ bùng nổ Người ta ước đoán lượng thông tin toàn cầu tăng gấp đôi sau khoảng hai năm theo số lượng kích cỡ sở liệu (CSDL) tăng lên cách nhanh chóng Nói cách hình ảnh “ngập” liệu lại “đói” tri thức Câu hỏi đặt liệu khai thác từ “núi” liệu tưởng chừng “bỏ đi” không ? “Necessity is the mother of invention” - Data Mining đời hướng giải hữu hiệu cho câu hỏi vừa đặt Khá nhiều định nghĩa Data Mining đề cập phần sau, nhiên tạm hiểu Data Mining công nghệ tri thức giúp khai thác thông tin hữu ích từ kho liệu tích trữ suốt trình hoạt động công ty, tổ chức 1.1.2 Khai phá liệu Khai phá liệu (data mining) định nghĩa trình chắt lọc hay khai phá tri thức từ lượng lớn liệu Một ví dụ hay sử dụng là việc khai thác vàng từ đá cát, Data mining ví công việc "đãi cát tìm vàng" tập hợp lớn liệu cho trước Thuật ngữ Data mining ám việc tìm kiếm tập hợp nhỏ có giá trị từ số lượng lớn liệu thô Có nhiều thuật ngữ dùng có nghĩa tương tự với từ Data mining 41 Bước 3: Chuyển sang tab Classify, chọn J48 chạy chương trình: Hình 3.3: Hiển thị liệu chạy chương trình 3.1.4 Kết đánh giá a Kết xây dựng mô hình định C4.5 Kết xây dưng mô hình định (bằng công cụ WEKA) sau: === Run information === Scheme: weka.classifiers.trees.J48 -C 0.25 -M Relation: huyet_ap_cao Instances: 120 Attributes: 42 Do tuoi nhap vien Huyet ap Dung tich hong cau cholesterol toan phan Axit uric mau phân tich nuoc tieu Dien tam class Test mode: 10-fold cross-validation === Classifier model (full training set) === J48 pruned tree -nhap vien 109 | nhap vien 138: huyet_ap_cao_do_3 (27.0) Number of Leaves : Size of the tree : b Kết chẩn đoán định C4.5 43 Kết chẩn đoán định C4.5 (từ WEKA) sau: Time taken to build model: 0.03 seconds === Stratified cross-validation === === Summary === Correctly Classified Instances 111 Incorrectly Classified Instances Kappa statistic 92.5 7.5 % 0.9058 Mean absolute error 0.0356 Root mean squared error 0.1727 Relative absolute error 11.1801 % Root relative squared error 43.2686 % Total Number of Instances 120 Hình % Hiển thị định dạng treeview === Detailed Accuracy By Class === TP Rate FP Rate Precision Recall F-Measure MCC Weighted Avg ROC Area PRC Area Class 0.957 0.021 0.917 0.957 0.936 0.921 0.955 0.820 huyet_ap_binh_thuong 0.862 0.022 0.926 0.862 0.893 0.861 0.916 0.822 huyet_ap_binh_thuong_cao 0.857 0.030 0.857 0.857 0.857 0.827 0.913 0.760 huyet_ap_cao_do_1 0.950 0.000 1.000 0.950 0.974 0.970 0.975 0.958 huyet_ap_cao_do_2 1.000 0.022 0.931 1.000 0.964 0.954 0.989 0.931 huyet_ap_cao_do_3 0.925 0.019 0.926 0.925 0.925 0.906 0.950 0.858 === Confusion Matrix === a b c d e < classified as 22 0 | a = huyet_ap_binh_thuong 25 0 | b = huyet_ap_binh_thuong_cao 44 18 | c = huyet_ap_cao_do_1 0 19 | d = huyet_ap_cao_do_2 0 0 27 | e = huyet_ap_cao_do_3 c Nhận xét kết Với kết độ xác 92% cho thấy định phù hợp với khai phá liệu bệnh án Đây kết tiềm ứng dụng thực tế Cụ thể tổng số 120 mẫu bệnh nhân tăng huyết áp kết chẩn đoán sau: Bảng 4: Kết chẩn đoán huyết áp cao Kết chẩn đoán huyết áp Bệnh THA Tổng mẫu 120 Bình thường 93.9 Bình thường cao 87.8 Tỷ lệ đạt HAC HAC HAC Độ Độ Độ 93.9 91.85 96.05 so với chuyên gia BS 92.18 Kết tính theo Độ xác (Precision) Độ bao phủ (Recall) cho mức độ bệnh huyết áp cao trình bầy hình (4) Và với kết cho ta thấy luận văn đạt mục tiêu đề Nó có khả hỗ trợ bác sĩ dự đoán bệnh tăng huyết áp giảm chi phí điều trị cho bệnh nhân Quan trọng thấy tầm quan trọng vấn đề KPDL lĩnh vực y khoa, mở hướng chẩn đoán điều trị mới: kết hợp tri thức chuyên gia bác sĩ tri thức trích lọc từ kho liệu HSBA giúp cho việc chẩn đoán bệnh mức xác cao 45 98 96 94 92 90 88 86 84 82 80 78 76 Độ xác Độ bao phủ huyết áp bình thường huyết áp bình thường cao huyết áp cao độ huyết áp cao độ huyết áp cao độ Hình 3.4: Kết thử nghiệm với bệnh án huyết áp cao 3.2 Kết luận Qua kết thực nghiệm hệ thống chương trình bảng kết thực nghiệm nói nhận thấy rằng, hệ thống đưa chẩn đoán tương đối xác 92 % phần phân lớp đối tượng bệnh tăng huyết áp Trên tổng số 120 mẫu kết chẩn đoán huyết áp bình thường chẩn đoán đạt 93.9%, chẩn đoán huyết áp bình thường cao chẩn đoán đạt 87.8%, chẩn đoán huyết áp cao độ chẩn đoán đạt 93.9%, chẩn đoán huyết áp cao độ chẩn đoán đạt 91.85%, chẩn đoán huyết áp cao độ chẩn đoán đạt 96.05% Với kết trên, tăng huyết áp hệ thống chẩn đoán tương đối xác cao (92.5 %) Theo chuyên gia bác sĩ bệnh viện Tuệ Tĩnh tài liệu bệnh tăng huyết áp tương đối dễ dàng để dự đoán bệnh nhân gặp khó khăn chẩn đoán lâm sàng bệnh Sự chênh lệch kết thực nghiệm nguyên nhân sau: Dữ liệu tập huấn cho hệ thống ít; khoảng cách tuổi xa (do bệnh nhân lớn tuổi khả bị bệnh cao mà so sánh tuổi, cân nặng, thời gian nhập viện mô hình sinh dự đoán xác hơn) 46 Tuy nhiên qua kết nhận xét rằng, luận văn đạt mục tiêu đề Là giải pháp có khả hỗ trợ bác sĩ dự đoán bệnh tăng huyết áp Làm giảm tỉ lệ từ vong chi phí điều trị, cho tất bệnh nhân mắc phải bệnh tăng huyết áp Và quan trọng thấy tầm quan trọng vấn đề KPDL lĩnh vực y khoa, mở hướng chẩn đoán điều trị mới: kết hợp tri thức chuyên gia bác sĩ tri thức trích lọc từ kho liệu HSBA giúp cho việc chẩn đoán bệnh mức xác cao 47 KẾT LUẬN Luận văn đưa cách nhìn kết hợp Công nghệ thông tin vào lĩnh vực y tế Kết đề tài hệ hỗ trợ chẩn đoán tự động mang tính chất cộng đồng, giúp nhiều mặt chuyên môn tuyến y tế chưa có đội ngũ bác sĩ có trình độ chuyên môn cao, thiếu trang thiết bị y tế, tuyến y tế vùng sau vùng xa Ngoài sinh viên y khoa bác sĩ trẻ, hệ hỗ trợ chẩn đoán giúp ôn lại kiến thức mức độ bệnh tăng huyết áp để có hướng điều trị xác Về mặt lý thuyết luận văn đạt kết sau: qua trình nghiên cứu tìm hiểu vấn đề liên quan tới khai phá liệu, hoàn thành đạt số kết mặt lý thuyết sau: Giới thiệu phương pháp khai phá liệu, đưa ứng dụng KPDL cụ thể liệu y khoa bệnh tăng huyết áp đề cao vai trò quan trọng thiếu công cụ tin học sống nói chung lĩnh vực y khoa nói riêng Mở phương pháp chẩn đoán mới: kết hợp tri thức chuyên gia bác sĩ tri thức trích lọc từ sở liệu thông qua công nghệ khám phá tri thức KPDL Luận văn nhằm mục đích sử dụng khai phá liệu để đưa chứng cớ nhằm hỗ trợ bác sĩ dự đoán sớm bệnh tăng huyết áp , giảm tử vong phí điều trị bệnh nhân mắc phải bệnh tăng huyết áp Về mặt thực nghiệm luận văn đạt kết sau: xây dựng hệ chương trình thực nghiệm, phân tích kết thực nghiệm Tuy nhiên luận văn số hạn chế sau: Về mặt công nghệ, đề tài sử dụng thuật toán C4.5 có số hạn chế vấn đề xử lý liệu Trong trường hợp liệu có nhiều lớp thuật toán gây lỗi liệu nhiều, thời gian huấn luyện lâu 48 Vấn đề thực tiễn, liệu đề tài nghiên cứu thu thập thời điểm cắt ngang không quan sát rõ diễn biến bệnh bệnh nhân Để đạt kết tốt ta cần thu thập liệu từ bệnh nhân có triệu chứng ban đầu đến phát bệnh khỏi bệnh Đồng thời lấy thêm liệu trình điều trị bệnh bệnh nhân, điều cho ta hiểu trình sinh bệnh giúp cho chương trình đạt hiệu thực tiễn cao Hướng phát triển: Nghiên cứu số thuật toán khai phá liệu định, tìm hiểu sâu kỹ thuật khai phá liệu khác tìm phương pháp (thuật toán mới) cải tiến nhược điểm thuật toán sinh định trình bày chương 49 TÀI LIỆU THAM KHẢO Tiếng Việt [1] Đào Duy An, (2007), “Tăng huyết áp thầm lặng nào”, Thời Tim Mạch Học, số 111, tr 33-36 [2] Huỳnh Văn Minh, (2007), “Tần suất tăng huyết áp mối liên quan với số yếu tố nguy nhân dân tỉnh Thừa Thiên-Huế”, Nội Khoa, số 4, tr 6472 [3] Đỗ Diệu Ngọc, “Tổng quan khai phá liệu, 2012” [4] Đinh Thị Thu Hương (2008), “Tìm hiểu Ảnh hưởng tuổi tới cứng động mạch”, Tạp chí Nghiên cứu Y học; số1: pp102-107 [5] Nguyễn Dung (2011), “nghiên cứu tình hình bệnh tăng huyết áp thành phố Huế thị xã Hương Thủy, tỉnh Thừa Thiên Huế, Y học thực hành, số 805, tr 5-11 [6] Nguyễn Thanh Sang, “Ứng dụng khai phá liệu phân lớp bệnh nhân điều trị ngoại trú bảo hiểm y tế bệnh viện Tiền Giang, 2013” [7] Lã Thúy Hà, “Khai phá liệu phát gian lận bảo hiểm y tế, 2012” [8] Phân độ tăng huyết áp theo hội tăng huyết áp Việt Nam (2008) [9] Hồ sơ bệnh nhân bệnh viện Tuệ Tĩnh (2017) Tiếng Anh [10] Kearney PM, (2005), Global burden of hypertension: analysis of worldwide data , Lancet, 365(9455), pp 217-23 [11] https://en.wikipedia.org/wiki/Data_mining [12] Tan, Steinbach, Kumar (2004) Data Mining Association Analysis: Basic Concepts and Algorithms , Chapter 6: Introduction to Data Mining 50 [13] R.F Mendes, F.B Voznika, A.A Freitas and J.C Nievola Discovering fuzzy classification rules with genetic programming and co-evolution Principles of Data Mining and Knowledge Discovery (Proceedings of the 5th European Conference, PKDD 2001) – Lecture Notes in Artificial Intelligence 2168, 314-325, Springer, 2001 [14] Rakesh Agrawal, Johannes Gehrke, Dimitrios Gunopoulos, and Prabhakar Raghavan, (1998), Automatic Subspace Clustering of High Dimensional Data for Data Mining Applications, Technical Report, IBM Almaden Research Center [15] J Pei, J Han, W Wang (2002) : “ Constraint-based sequential pattern mining in large databases” , “ In Proceeding of the 2002 international conference on information and knowledge management (CIKM’02), pp 18–25 [16] Boris Kovalerchuk, Evgenii Vityaev,2002 “Data mining for financial applications” [17] Bharati M Ramageri, Dr.B.L Desai, “Role of data mining in retail sector”, International Journal on Computer Science and Engineering (IJCSE), Vol [18] R Mattison, “Data Warehousing and Data Mining for Telecommunications” Boston, London: Artech House, 1997 [19] Sander, J., Ester, M., Kriegel, P.-H and Xu, X (1998) Density-Based Clustering in Spatial Databases: The Algorithm GDBSCAN and its Applications Data Mining and Knowledge Discovery [20] Saboori, E., S Parsazad and Y Sanatkhani, 2010 Automatic firewall rules generator for anomaly detection systems with Apriori algorithm Proceeding of the 3rd International Conference on Advanced Computer Theory and Engineering, Aug 20-22, IEEE Xplore Press, Chengdu, pp: 5760 [21] Hansen T.W, (2006), Prognostic Value of Aortic Pulse Wave Velocity as Index of Arterial Stiffness in the General Population, Circulation, 113: 664-670 51 [22] Boutouyrie P (2002), Aortic Stiffness Is an Independent Predictor of Primary Coronary Events in Hypertensive Patients A Longitudinal Study, Hypertension.;39:10-15 [23] Park Jin-Shik (2005), Association of the Invasively Measured Aortic Stiffness and Coronary Artery Disease, Korean Circ J; 35:766-772 [24] Rhee M (2010), Comparison Between Aortic Pulse Wave Velocity and Carotid Intima-Media Thickness: Which One Is Better in the Prediction of Coronary Artery Disease, J Hypertens; 28(eSupplement A): p e591 [25] Hope S.A.(2007), Arterial pulse wave velocity but not augmentation index is associated with coronary artery disease extent and severity: implications for arterial transfer function applicability, J Hypertens; 25:2105–2109 [26] Alarhabi AY, Mohamed MS, Ibrahim S, Hun TM, Musa KI, Yusoft Z “Pulse Wave Velocity as a Marker of Severity of Coronary artery Disease”, J Clin Hypertens (Greenwich),11:17–21 [27] Marcin C, (2006), Pulse Wave Velocity in Patients with Coronary Artery Disease or Type Diabetes Mellitus, Acta Cardiologica, 61 (4): 421 – 426 [28] Breiman, L., Friedman, R., Olshen, R., and Stone, C., Classification and regression trees, Pacific Grove, California, 1984 [29] Quinlan, J Ross (1993), “C4.5: Programs for Machine Learning”, Morgan Kaufmann, San Mateo, California [30] Quinlan, J R (1986), “Induction of decision trees”, Machine Learning 1, 81{106 Reprinted in Shavlik and Dietterich (eds.) Readings in Machine Learning [31] John C Shafer, Rakesh Agrawal, and Manish Mehta “SPRINT: A scalable parallel classifier for data mining” Research report, IBM Almaden Research 52 Center, San Jose, California, 1996 Available http://www.almaden.ibm.com/cs/quest [32] WEKA: http://www.cs.waikato.ac.nz/ml/weka/ (accessed on 19/6/2017) from 53 54 55 ... Sử dụng kỹ thuật khai phá liệu định với thuật toán C4.5 để tạo luật tiến hành chẩn đoán bệnh nhân 2.1.2 Dữ liệu y khoa bệnh viện YHCT Tuệ Tĩnh Trong luận văn n y, học viên sử dụng tập liệu y khoa. .. Khai phá liệu hồ sơ bệnh nhân ứng dụng bệnh viện YHCT Tuệ Tĩnh để nghiên cứu cho luận văn thạc sĩ Mục đích nghiên cứu - Tìm quy luật từ liệu thực tế nhằm chẩn đoán số bệnh thường gặp bệnh viện. .. viện YHCT Tuệ Tĩnh (Tăng huyết áp, Rối loạn chức tiền đình) - X y dựng thuật toán hỗ trợ chẩn đoán số bệnh thường gặp Bệnh viện YHCT Tuệ Tĩnh - Ứng dụng thuật toán vào công việc chẩn đoán bệnh bệnh